ecommerce-review-insight

name	ecommerce-review-insight
description	当用户提供批量化的电商用户评论数据，希望按固定流程完成数据质检、清洗、字段拆分、结构化打标、购买人群与场景、正负面口碑、竞品参照物分析，并同时输出可筛选编辑 Excel 分析母表和可视化 HTML 完整分析报告时使用。

电商用户评论数据分析｜E-commerce Consumer Feedback Analysis

基础信息

• Skill 名称：电商用户评论数据分析｜E-commerce Consumer Feedback Analysis
• 前置输入：批量化的用户评论数据
• 必填列：商品名、评论人、评价内容、混合时间规格列
• 输出组合：可筛选编辑 Excel 分析母表 + 可视化 HTML 完整分析报告
• 核心约束：所有结论仅依托原文，禁止主观脑补、编造诉求、放大低频反馈

触发条件

用户提供批量化的用户评论数据，并希望完成以下任一任务时使用本 skill：

• 对电商评论做全链路结构化分析
• 清洗评论数据并拆分时间、规格字段
• 生成可筛选编辑的 Excel 分析母表
• 生成可视化 HTML 评论分析报告
• 分析购买人群、需求场景、正面口碑、负面痛点、竞品参照物
• 为详情页卖点优化、产品迭代、内容种草、竞品对标或新品口碑调研提供评论证据

完整执行流程链路

严格按以下链路推进，不要跳步：

原始评论导入
→ 数据质量质检（输出质检表 + 确认规则）
→ 无效数据清洗过滤
→ 字段标准化拆分
→ 全量结构化打标分类
→ 四大专项深度分析
→ 双交付物输出

启动要求

开始前先检查用户是否提供批量化的用户评论数据。数据可以来自 Excel、CSV 或可转换为表格的批量评论数据。

必填列包括：

商品名｜评论人｜评价内容｜混合时间规格列

混合时间规格列的常见格式：

YYYY年XX月XX日已购：SKU规格文本

如果缺少必填列，不要直接进入分析。先指出缺失字段，并要求用户补齐或说明可替代字段。

如果用户只粘贴少量评论文本，不执行本 skill 的完整交付流程；应说明该 skill 的正式输入是批量化的用户评论数据，并请用户上传或提供可表格化的数据。

模块 1：数据质量质检

目标：先确认原始数据是否适合分析，固定输出《数据质量检查表》，并将质检表和排除规则交付用户确认。用户确认后，才进入清洗环节。

必统计指标

1. 原始数据总行数，去除表头
2. 有效评论数量，剔除空评论和默认评价
3. 有效评论占比

字段完整性校验项

逐项检查：

• 商品名
• 评论人
• 评价内容
• 时间规格混合列
• 空白冗余列
• 缺失评分字段

评分字段不是必填列，但如果缺失，必须在质检表中标注“缺失评分字段”，后续不基于评分做情感判断。

无效评论判定标准

1. 空评论：评价内容无任何文字
2. 默认评价：包含“未填写评价内容”等系统占位文本
3. 脏数据：混入其他商品、无关 SKU、跨品类评论

混合字段拆分规则

原始格式：

YYYY年XX月XX日已购：SKU规格文本

拆分后新增两列：

评论时间｜已购规格

如果部分单元格无法按规则拆分，保留原值，并在质检表中统计异常数量和示例。

固定输出：《数据质量检查表》

字段建议：

检查项｜检查结果｜数量/占比｜问题示例｜处理建议｜是否进入清洗

质检后必须向用户交付：

1. 数据质量检查表
2. 无效评论排除规则
3. 字段拆分规则
4. 是否建议进入清洗

流转规则：用户确认质检表和排除规则后，进入模块 2。用户未确认前，不生成最终 Excel 母表和 HTML 报告。

模块 2：数据清洗标准化处理

目标：根据用户确认后的质检规则，生成清洗后的有效评论基础数据。

强制清洗规则

1. 剔除全部空评论、系统默认评价
2. 拆分时间规格混合字段，独立成列
3. 删除无意义空白辅助列
4. 统一字段排序：

商品名｜评论人｜评论时间｜已购规格｜评价内容

清洗中间表工作表

清洗中间表至少包含两个工作表：

Sheet1：清洗后有效评论明细
Sheet2：数据清洗统计汇总

Sheet2：数据清洗统计汇总 必须包含：

原始量｜空评论剔除量｜默认评价剔除量｜脏数据剔除量｜有效量｜有效占比

模块 3：结构化打标

目标：对清洗后的每条有效评论做全量结构化打标，生成可筛选、可复核、可追溯的结构化数据表。

每条评论固定输出字段

评论内容｜主分类｜多标签分类｜情感倾向｜判断依据｜评论时间｜已购规格｜评论人

主分类

主分类为单选，取评论核心话题。

可选值集合：

质量｜价格｜包装｜使用体验｜售后服务｜其他

规则：

• 每条评论只能有一个主分类。
• 如果一条评论提到多个维度，选择最核心、表达最强、最影响购买判断的主题。
• 无法判断核心主题时，归入“其他”。

多标签分类

多标签分类为多选，分号分隔，匹配评论中全部被提及的维度。

通用母婴食品标签池：

宝宝爱吃｜口感鲜香｜独立包装｜无添加｜含DHA｜分量大小｜性价比｜腥味｜油腻｜配方改动｜物流｜复购｜辅食｜拌饭｜饭团

规则：

• 只标注原文明确出现或可直接对应的标签。
• 不要为了让标签更完整而补造用户未表达的诉求。
• 如需迁移到其他品类，仅替换标签池，流程不变。

情感倾向四分类

情感倾向必须使用以下四类，不可合并，不可简化：

1. 正面：仅满意、认可、回购表述，无负面吐槽
2. 混合：同条评论同时存在好评和明确负面痛点
3. 负面：明确差评、拒绝复购、严重产品问题
4. 其他：纯客观描述，无任何正负情绪

规则：

• 不基于评分字段替代文本判断；评分只能作为辅助信息。
• 没有明确情绪的客观描述归入“其他”。
• 不要把“还行”“一般”强行判为正面，需结合上下文判断；证据不足时归入“其他”。

判断依据规范

判断依据必须摘抄原文关键词或短句，客观记录匹配依据，不加工、不改写、不营销化。

示例：

判断依据：宝宝很爱吃；有点腥；独立包装方便

模块 4：四大专项深度分析模板

模块 4 必须基于模块 3 的结构化全量打标数据表，不得脱离原文和打标结果另起分析。

专项 1：购买人群与需求场景分析

买家身份分类池

宝妈/家长｜上班族｜家庭用户｜老人｜其他

规则：

• 只在评论原文明确表达或可以直接判断时归类。
• 无法明确判断时归入“其他”。
• 不要因为品类是母婴食品，就自动判断为宝妈或家长。

使用场景统计规则

单条评论可匹配多场景，按出现频次统计。

场景池：

宝宝辅食｜日常拌饭｜早餐简餐｜外出便携｜老人餐｜其他

规则：

• 一个评论可命中多个场景，每命中一次计入对应场景频次。
• 无明确场景时归入“其他”。
• 场景统计口径是“出现频次”，不是“评论条数”。

可视化硬性要求

• 人群：饼图，标注总样本、各类数量和占比
• 场景：条形图，标注总频次、各场景出现次数

固定总结两问

1. 核心购买人群是谁？
2. 最高频使用场景是什么？

专项 2：正面口碑归因

筛选样本：

正面评论 + 混合评论

输出固定表格字段：

满意因素｜出现频次｜占有效样本比例｜代表性原话｜产品优势｜可放大品牌表达

规则：

• 满意因素必须来自代表性原话。
• “可放大品牌表达”只能基于评论事实转译，不得新增功效、认证、数据或未出现卖点。
• 混合评论中仅提取正面部分作为满意因素，负面部分进入专项 3。

专项 3：负面问题归因

筛选样本：

负面评论 + 混合评论

输出固定表格字段：

负面关键词｜出现频次｜占问题评论比例｜代表性原话｜用户痛点｜优化机会

配套三段总结：

1. 产品核心口碑驱动要素
2. 区分高频共性痛点和低频个别反馈
3. 三大优先级优化方向

规则：

• 高频共性痛点和低频个别反馈必须分开表述。
• 不要把少量差评放大成产品普遍问题。
• 优化机会要对应评论证据，不要输出没有原文依据的产品建议。

专项 4：参照物竞品对比分析

四类参照物识别范围

1. 明确外部竞品品牌
2. 模糊竞品，例如“别家”“其他牌子”
3. 本店旧版、旧规格、旧配方
4. 替代品类

固定输出表格字段

参照物类型｜名称描述｜提及频次｜对比维度｜代表原话｜用户倾向｜差异化机会

硬性规则

• 无明确竞品品牌时，统一填写“未发现明确竞品品牌”。
• 禁止虚构品牌。
• 外部竞品、本店旧品、替代品类必须分开统计，不合并归类。
• “别家”“其他牌子”等模糊表达归入“模糊竞品”，不要猜测具体品牌。

模块 5：双交付物输出标准

最终交付物必须同时包含：

交付物 A：可筛选编辑 Excel 分析母表
交付物 B：可视化 HTML 分析报告

缺一不可。如果当前运行环境无法生成任一交付物，必须明确说明阻塞原因，并暂停交付；不要用纯文本总结替代完整交付。

交付物 A：可筛选编辑 Excel 分析母表

Excel 必须包含以下多 Sheet：

1. 有效评论原始明细
2. 结构化全量打标数据表
3. 人群与场景统计汇总
4. 正面口碑因素统计表
5. 负面痛点统计表
6. 参照物竞品分析统计表

统一格式要求：

• 冻结表头
• 自动换行
• 开启筛选
• 自适应列宽
• 关键统计表保留数量、占比、代表性原话

交付物 B：可视化 HTML 分析报告

HTML 报告必须包含八大固定章节，图表必须标注样本和口径。

1. 执行摘要：有效评论数、正面率、问题评论率、3 条一句话核心结论
2. 分析口径：原始条数、有效条数、剔除规则、情感和标签判定标准
3. 评论分类与情感分布，使用饼图
4. 购买人群和使用场景分布，使用饼图 + 条形图
5. 正面口碑归因频次分析
6. 负面问题痛点排序分析
7. 参照物竞品对比与差异化机会
8. 全局总结：现存优势、现存风险、落地优化动作

HTML 要求：

• 所有图表标题清晰。
• 图表旁标注样本量、统计口径和是否包含混合评论。
• 表格保留代表性原话。
• 结论必须能追溯到 Excel 母表中的原始评论。
• 不要输出只有图、没有口径说明的报告。

不可修改强制约束

1. 所有分析依据原文，禁止无依据推断。
2. 负面反馈区分高频趋势、零星个案，不放大少量差评。
3. 主分类仅单选，多标签可多选，情感四类不可合并简化。
4. 时间、规格必须拆分为独立字段，禁止混合统计。
5. 外部竞品、本店旧品、替代品类分开统计，不合并归类。
6. 交付物必须同时输出 Excel 母表和 HTML 报告，缺一不可。

输入输出对照表

输入资源	中间产出物	最终交付物
批量化的用户评论数据	1. 数据质量检查表 2. 清洗基础数据表 3. 结构化打标表	1. 全维度可筛选 Excel 分析母表 2. 标准化可视化 HTML 分析报告

扩展适配说明

1. 品类迁移：更换品类仅替换标签池、场景词库，整体流程不变。
2. 数据量级：兼容几百至万级评论批量处理；数据量较大时优先使用脚本、表格库或分批处理，保证统计口径一致。
3. 业务用途：新品口碑调研、老品痛点挖掘、详情页卖点优化、产品线迭代、竞品对标调研。

质量检查清单

交付前逐项确认：

• 已输出数据质量检查表，并按用户确认规则完成清洗。
• 已剔除空评论、默认评价和确认排除的脏数据。
• 已将混合时间规格列拆分为“评论时间”和“已购规格”。
• 结构化打标表包含全部固定字段。
• 主分类为单选，多标签为分号分隔多选。
• 情感倾向只使用正面、混合、负面、其他四类。
• 四大专项分析均包含代表性原话。
• Excel 母表包含 6 个固定 Sheet，并开启筛选、冻结表头、自动换行。
• HTML 报告包含 8 个固定章节，并标注图表样本和统计口径。
• 所有结论均能回到原始评论原文。